-
公开(公告)号：CN116742410A
公开(公告)日：2023-09-12
申请号：CN202310818259.6
申请日：2023-07-05
Applicant: 哈尔滨工业大学
Inventor： 赵京东 , 陈冬旭 , 李云涛 , 赵亮亮 , 刘泽牧 , 徐梓淳 , 杨晓航 , 庄雷 , 田忠来 , 赵智远 , 赵军朋 , 王兆民 , 施纯源 , 王梓睿 , 张佳钰 , 顾轩 , 姜伟 , 李雪皑 , 柳强 , 刘宏
IPC: H01R13/629 , H01R13/502 , H01R13/639
Abstract: 一种在轨装配任务用模块化大容差无性别机电接口，涉及一种机电快换接口。对接基体对接端边缘设置三个锥形插头和三个锥形插槽，对接基体对接端面中间设置三个安装孔和三根锁紧销，安装孔内固定帽杯，帽杯内底部通过复位弹簧支撑球笼，球笼顶部为中空的锥段并安装三个锁定钢球，球帽固定在帽杯内顶部，设置有与球笼顶部锥度相同的内锥面并罩设支撑在三个锁定钢球外侧，球帽与球笼均设置供锁紧销插装的中心孔，安装孔内侧壁固定线圈，动力接口柱销阵列和信号接口触点阵列分别集成在对接基体对接端面中心和边缘。结构简单无需配置锁紧电机及相应传动系统，锁紧和解锁快捷可靠、连接牢固、容差大、精度高、即插即用、无性别。
-
公开(公告)号：CN108280488B
公开(公告)日：2021-05-07
申请号：CN201810139235.7
申请日：2018-02-09
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于共享神经网络的可抓取物体识别方法，属于智能机器人自主抓取领域。为了解决在训练数据有限条件下使机器人实现对物体的可抓取性判别和物体的种类识别问题。技术要点：对场景中物体支撑平面的参数估计；获得最终的物体分割区域；学习物体的图像特征；构建共享神经网络模型，将可抓取物体识别问题分解为物体可抓取性判别和可抓取物体识别两个子任务，实现由粗到细的可抓取物体有效识别；对共享神经网络模型进行预训练和模型训练，优化神经网络模型的参数；利用模型对物体的可抓取特性及可抓取物体的类别进行识别。该方法能够从有限的数据样本中获得稀疏可压缩的自学习图像特征，从而快速、准确的实现对可抓取物体的识别与分类，具有识别正确率高和可移植性好的特点。
-
公开(公告)号：CN105798635B
公开(公告)日：2017-11-10
申请号：CN201610329564.9
申请日：2016-05-18
Applicant: 哈尔滨工业大学
IPC: B23Q1/64
Abstract: 本发明涉及一种五自由度并联机构，更具体的说是含有独立双输出复合万向节的少作用点五自由度并联机构，本机构能使并联机床实现通过五条支链带动四个作用点运动来准确驱动动平台，保证共作用点的两条支链的运动相互独立同时支链轴线时刻通过作用点。独立双输出复合万向节应用在多支链并联机床上，不仅可以使得机构平台形状和其上的作用点个数不再受到运动支链的限制，也可以帮助并联机构进行结构参数的优化和特殊构型的设计。中间支链的一端与静平台相连接，中间支链的另一端与动平台相连接，独立作用点支链的一端与静平台相连接，独立作用点支链的另一端与动平台相连接，共作用点支链的一端与静平台相连接，共作用点支链的另一端与动平台相连接。
-
公开(公告)号：CN109344845B
公开(公告)日：2020-06-09
申请号：CN201811112938.7
申请日：2018-09-21
Applicant: 哈尔滨工业大学
Abstract: 一种基于Triplet深度神经网络结构的特征匹配方法，属于图像处理技术领域。本发明的目的在于解决现有技术的SIFT及基于深度学习的TFeat、HardNet等特征描述方法存在匹配性能较差的问题。本发明设计了一个对训练样本均值和方差做约束的新型损失函数，结合Triplet深度神经网络，可得到性能优异的特征描述，用高斯分布描述匹配特征对和不匹配特征对的距离分布，根据减小特征匹配误差等价于减小两个匹配特征对距离分布重叠面积这一原则，得出对训练样本均值和方差做约束的新型损失函数。实验结果表明，与现有特征描述方法相比，本发明在匹配性能上得到了提升。
-
公开(公告)号：CN108280488A
公开(公告)日：2018-07-13
申请号：CN201810139235.7
申请日：2018-02-09
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于共享神经网络的可抓取物体识别方法，属于智能机器人自主抓取领域。为了解决在训练数据有限条件下使机器人实现对物体的可抓取性判别和物体的种类识别问题。技术要点：对场景中物体支撑平面的参数估计；获得最终的物体分割区域；学习物体的图像特征；构建共享神经网络模型，将可抓取物体识别问题分解为物体可抓取性判别和可抓取物体识别两个子任务，实现由粗到细的可抓取物体有效识别；对共享神经网络模型进行预训练和模型训练，优化神经网络模型的参数；利用模型对物体的可抓取特性及可抓取物体的类别进行识别。该方法能够从有限的数据样本中获得稀疏可压缩的自学习图像特征，从而快速、准确的实现对可抓取物体的识别与分类，具有识别正确率高和可移植性好的特点。
-
Patent Agency Ranking
公开(公告)号：CN105798635A
公开(公告)日：2016-07-27
申请号：CN201610329564.9
申请日：2016-05-18
Applicant: 哈尔滨工业大学
IPC: B23Q1/64
CPC classification number: B23Q1/64
Abstract: 本发明涉及一种五自由度并联机构，更具体的说是含有独立双输出复合万向节的少作用点五自由度并联机构，本机构能使并联机床实现通过五条支链带动四个作用点运动来准确驱动动平台，保证共作用点的两条支链的运动相互独立同时支链轴线时刻通过作用点。独立双输出复合万向节应用在多支链并联机床上，不仅可以使得机构平台形状和其上的作用点个数不再受到运动支链的限制，也可以帮助并联机构进行结构参数的优化和特殊构型的设计。中间支链的一端与静平台相连接，中间支链的另一端与动平台相连接，独立作用点支链的一端与静平台相连接，独立作用点支链的另一端与动平台相连接，共作用点支链的一端与静平台相连接，共作用点支链的另一端与动平台相连接。
-
公开(公告)号：CN1109389C
公开(公告)日：2003-05-21
申请号：CN97115992.0
申请日：1997-11-04
Applicant: 哈尔滨工业大学
IPC: H01S3/30
Abstract: 本发明提出一种受激布里渊散射相位共轭参量振荡器，具体的说是用受激布里渊散射介质盒代替参量振荡器的谐振腔的一端，并代替参量振荡器输出窗。受激布里渊散射介质盒是用普通玻璃管制成，两端有通光窗口，内装二硫化碳或酒精等散射介质，盒长15-30毫米，盒两端装有望远镜共焦透镜组。本发明可极大提高可调谐激光的光束质量，束散角变小，空间分布变得均匀，同时这种输出窗无频率限制，大范围变频时可不需要换窗片，使操作大为简化，而且结构简单，价格低廉，适用性强。
-
-
公开(公告)号：CN110990608A
公开(公告)日：2020-04-10
申请号：CN201911224313.4
申请日：2019-12-03
Applicant: 哈尔滨工业大学
IPC: G06F16/53 , G06F16/55 , G06F16/583 , G06N3/04
Abstract: 一种基于Siamese结构双向长短时记忆网络的三维模型检索方法，属于图像处理技术领域，为了解决三维模型多视角特征的融合问题，通过Siamese结构长短时记忆经网络融合视角信息，增强多视角三维模型的检索准确率。构建卷积神经网络；构建双向长短时记忆网络网络；引入注意力机制增强模型特征的表达；构建基于Siamese结构的双向长短时记忆网络，融合多视角信息；对Siamese结构的长短时记忆网络模型参数进行训练，对多视角三维模型进行检索。本发明可实现多视角表达的三维模型的检索，在三维模型分类、检索领域，具有广泛的应用前景。
-
公开(公告)号：CN109344845A
公开(公告)日：2019-02-15
申请号：CN201811112938.7
申请日：2018-09-21
Applicant: 哈尔滨工业大学
Abstract: 一种基于Triplet深度神经网络结构的特征匹配方法，属于图像处理技术领域。本发明的目的在于解决现有技术的SIFT及基于深度学习的TFeat、HardNet等特征描述方法存在匹配性能较差的问题。本发明设计了一个对训练样本均值和方差做约束的新型损失函数，结合Triplet深度神经网络，可得到性能优异的特征描述，用高斯分布描述匹配特征对和不匹配特征对的距离分布，根据减小特征匹配误差等价于减小两个匹配特征对距离分布重叠面积这一原则，得出对训练样本均值和方差做约束的新型损失函数。实验结果表明，与现有特征描述方法相比，本发明在匹配性能上得到了提升。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.028 seconds)
